沙丘社区
论文

MiroFlow：迈向面向通用深度研究任务的高性能鲁棒开源智能体框架

MiroFlow: Towards High-Performance and Robust Open-Source Agent Framework for General Deep Research Tasks

Shiqian Su, Sen Xing, Xuan Dong, Muyan Zhong, Bin Wang, Xizhou Zhu, Yuntao Chen, Wenhai Wang, Yue Deng, Pengxiang Zhu, Ziyuan Liu, Tiantong Li, Jiaheng Yu, Zhe Chen, Lidong Bing, Jifeng Dai
智能体系统Agent 架构与控制循环

摘要

尽管大语言模型（LLM）进展显著，独立 LLM 在需要与外部工具和动态环境交互的现实复杂任务上的能力已开始进入平台期。虽然近期智能体框架旨在通过工具集成与外部交互增强模型自主性，但仍存在工作流幼稚、性能不稳定、跨多样基准与任务支持有限，以及严重依赖昂贵商业 API 等问题。在这项工作中，我们提出一个高性能且鲁棒的开源智能体框架 MiroFlow，它整合了用于灵活编排的智能体图、可选的深度推理模式以增强性能，以及确保稳定可复现表现的鲁棒工作流执行。大量实验表明，MiroFlow 在多个智能体基准上持续取得 SOTA 性能，包括 GAIA、BrowseComp-EN/ZH、HLE、xBench-DeepSearch，以及值得注意的 FutureX。我们希望它能作为深度研究社区易于获取、可复现、可比较的基线。

MiroFlow：迈向面向通用深度研究任务的高性能鲁棒开源智能体框架
图1：MiroFlow 在代表性深度研究基准上的总体性能。MiroFlow 是一个高性能且稳健的开源智能体框架，在所有基准上取得可复现的最先进（state-of-the-art）结果，持续超越现有开源与商业智能体系统。所有 MiroFlow 结果均在单一统一配置下获得，未进行任何任务特定调优，展示了跨异构深度研究任务的强通用性与适应性。